2020-05-15

Introducción

Programa del curso

Profesor: Mtro. Pablo Benavides Herrera

  • Lic. en IngenierĆ­a Financiera, ITESO
  • MaestrĆ­a en EconomĆ­a, UDG (CUCEA)
  • Estudiante de PhD en Ciencias de la IngenierĆ­a, ITESO
  • Director en Exel Pitss

Objetivos del curso

  • Aprender a utilizar R.
  • Modelar series de tiempo para producir pronósticos.
  • Presentar sus resultados a travĆ©s de Notebooks, presentaciones y apps.

Horario y dĆ­as de clase

MAF3074B

  • Martes y viernes, 07:00 a 9:00 horas
    • Unirse a las reuniones de Microsoft Teams aquĆ­

Datos de contacto y material del curso

Evaluación

  • 40% Proyectos.

  • 40% Tareas.

  • 20% Participación en clase.

Es necesario tener una calificación superior a 80 en tareas y participación para poder aprobar la materia.

Prerrequisitos

Instalar R. Pueden descargarlo del CRAN (the Comprehensive R archive Network).

Instalar RStudio. Se puede descargar aquĆ­.

  • Opcional: Crear una cuenta en RStudio Cloud. Sirve para utilizar R y RStudio desde cualquier navegador (en una laptop, tablet, telĆ©fono, …), sin necesidad de tener instalado R.

¿Qué se puede pronosticar?

Se pueden generar pronósticos con distintos horizontes

De corto plazo:

  • Para los siguientes 5, 10 minutos.
  • Para la siguiente hora.
  • Para el dĆ­a siguiente.

Mediano plazo:

  • Para la siguiente semana.
  • Para el siguiente mes.
  • El siguiente trimestre.

De largo plazo:

  • Para el siguiente aƱo.
  • Para la siguiente dĆ©cada.
  • Etc.

ĀæTodas las variables son igual de predecibles?

Factores que influyen en el pronóstico de una variable

  • QuĆ© tan bien conocemos los factores o elementos que influyen en ella.


  • QuĆ© tantos datos tenemos disponibles.


  • ĀæEl pronóstico que vamos a realizar puede influir en el resultado de la variable a predecir?

R y la ciencia de datos

El anƔlisis de series de tiempo con R

R nos puede ayudar a llevar a cabo de una manera bastante sencilla todo el anÔlisis de pronóstico, desde el momento en que contamos con los datos, hasta la estimación final.

Durante el curso estaremos utilizando R, específicamente el tidyverse y la paquetería fable. Posteriormente, revisaremos cómo implementar los mismos modelos, a través de la paquetería modeltime.

Veamos una breve introducción aquí.

Al final del curso deberĆ­an poder generar una app como esta. Ver otro ejemplo.